[发明专利]车辆外轮廓检测方法及其装置

摘要

本发明公开了一种车辆外轮廓检测方法，计算机获取不同分辨率下的无目标车辆的背景图像和有目标车辆的前景图像，然后对所述不同分辨率下的背景图像和前景图像分别差分运算获得不同层的背景差分图，对所述不同层的背景差分图进行阈值分割获得第一分割图像和第二分割图像，所述第一分割图像和第二分割图像进行融合运算获得融合后的图像，最后对所述融合后的图像进行腐蚀处理获得车辆外轮廓；本发明还公开了一种车辆外轮廓检测装置，通过本发明能够大大降低检测成本，提高检测效率，因此能够广泛应用于车辆车型分类、整车尺寸测量等智能交通项目中。

主权项

一种车辆外轮廓检测方法，其特征在于，该方法为：计算机获取不同分辨率下的无目标车辆的背景图像和有目标车辆的前景图像，然后对所述不同分辨率下的背景图像和前景图像分别差分运算获得不同层的背景差分图，对所述不同层的背景差分图进行阈值分割获得第一分割图像和第二分割图像，所述第一分割图像和第二分割图像进行融合运算获得融合后的图像，最后对所述融合后的图像进行腐蚀处理获得车辆外轮廓；所述计算机获取不同分辨率下的无目标车辆的背景图像和有目标车辆的前景图像，具体为：确定计算机获取的原始图像为高分辨率图像，原始图像即为无目标车辆的背景图像和有目标车辆的前景图像，再对高分辨率图片经过低通滤波器进行平滑，然后对平滑图像进行抽样处理，获得一系列尺寸缩小的图像，每一级图像均为其前一级图像低通滤波后作隔行隔列降采样，即Gk(x,y)=Σm=-22Σn=-22w(m,n)Gk-1(2x+m,2y+n)]]>其中：Gk(x,y)为第k层图像；G0为原始图像，m、n可以为‑2、‑1、0、1、2，即w(m,n)＝h(m)·h(n)为5×5具有低通特性的窗口函数，h为高斯密度分布函数，w(m,n)又称为高斯核，即每一层图像的像素值为前一层对应像素的5×5区域内像素的加权平均，第1层和第2层图像分辨率降低，分辨率分别为x/2×y/2px和x/4×y/4px，而所述第2层图像为低分辨率图像；所述w(m,n)表示为：w(m,n)=12561464141624164624362464162416414641.]]>